利用先验信息个性化选择 EORTC CAT Core 起始项目，提升身体功能评估精度

为解决 EORTC CAT Core 起始项目非个性化问题，研究人员开展相关研究，发现可提高初期测量精度，意义重大。

　　

研究背景

在健康相关生活质量（HRQoL）的评估领域，计算机化自适应测试（CAT）就像是一个 “智能小助手”，它能根据患者之前的回答，挑选出下一个最有价值的问题，进行个性化的测量。与传统的标准化问卷不同，CAT 能提供更贴合患者实际情况的问题，还能提高测量的精准度。欧洲癌症研究与治疗组织（EORTC）开发的 EORTC CAT Core，涵盖了 15 个健康相关生活质量领域，是 CAT 评估中的重要工具。

然而，这个 “小助手” 在工作时却存在一个小缺陷。在 CAT 评估中，第一个问题，也就是起始项目，通常不能做到个性化选择。因为在开始评估前，患者的得分情况是未知的，没有办法提前估计。目前，很多研究采用的方法是预先设定起始项目，比如在 EORTC CAT Core 中，所有基于相同 CAT 设置的评估都从同一个项目开始。但不同患者的情况千差万别，同一个起始项目很难对所有参与者都是最优的。这就好比让不同身高的人都穿同一尺码的鞋子，肯定不合适。如果能在评估前获得患者的一些先验信息，根据这些信息选择起始项目，就有可能提高 EORTC CAT 评估的测量精度。

在这样的背景下，为了优化 EORTC CAT Core 的评估效果，来自丹麦哥本哈根大学医院姑息治疗研究单位等机构的研究人员 Morten Aa. Petersen、Hugo Vachon 等展开了深入研究。他们的研究成果发表在《Health and Quality of Life Outcomes》上，为该领域带来了新的思路和方法。

研究方法

1. 数据来源：研究人员整合了为开发和验证 EORTC CAT Core 而收集的国际混合样本数据，其中包含 10,084 例癌症患者的评估信息，这些数据涵盖了 15 个领域的 T 分数估计值1。
2. 线性回归分析：运用线性回归方法，研究人员评估了从其他 14 个领域预测身体功能（PF）分数的潜力。具体做法是，将样本数据随机分为训练数据集和测试数据集，在训练数据集中拟合回归模型，获取预测 PF 分数的相关参数，然后在测试数据集中进行评估23。
3. 蒙特卡罗 CAT 模拟：为了探究个性化选择起始项目与固定起始项目对测量精度的影响，研究人员进行了一系列蒙特卡罗 CAT 模拟。他们在可能的 PF 分数范围内进行均匀模拟，设定了不同类型的起始项目，包括固定起始项目和反映不同预测能力水平的个性化起始项目，模拟了固定长度为 1 到 10 个 PF 项目的 CAT 评估4。

研究结果

1. 领域分数预测：通过分析发现，不同领域预测 PF 分数的能力存在差异。预测的 PF 分数与实际观察到的 PF 分数之间的平均差异均小于 1（0.1SD），这意味着预测分数在平均值上与实际分数较为接近。相关性方面，观察到的和预测的 PF 分数之间的相关性在 0.25（使用腹泻领域预测）到 0.71（使用角色功能领域预测）之间变化，大部分相关性至少为中等强度（>0.4）。在预测的 PF 分数与观察分数的偏差方面，偏差小于 ?SD 的比例在 33%（认知功能领域预测时）到 50%（疲劳领域预测时）之间，偏差小于 1SD 的比例在 57%（腹泻领域预测时）到 85%（角色功能领域预测时）之间56。
2. 个性化起始项目的影响：模拟结果显示，个性化起始项目对 CAT 评估初期的测量精度有一定影响，但这种影响在询问几个项目后逐渐减弱。对于高 PF 分数（均值 + 1SD 到 + 3SD）的患者，在询问一个项目时，使用个性化起始项目的可靠性比固定起始项目高 0.10 - 0.15；对于中等 PF 分数（均值 ±1SD）的患者，在询问两个或更多项目时，不同起始项目类型之间差异较小；对于低 PF 分数（均值 - 1SD 到 - 3SD）的患者，使用固定起始项目在第一个项目上与真实分数的偏差更大，而个性化起始项目在第一个项目上的可靠性更高，当询问两个或更多项目时，差异逐渐减小789。

研究结论与讨论

这项研究表明，简单的线性回归可以提供有用的跨领域预测，帮助选择更具信息性的起始项目。使用个性化起始项目可以提高 CAT 评估初期的测量精度，但随着询问项目数量的增加，这种影响变得微不足道。这一发现对于 EORTC CAT Core 的评估具有重要意义。例如，在临床实践中，如果需要在短时间内对多个领域进行评估，且每个领域只能询问少量项目时，个性化起始项目可以提高评估的效率和精准度，让患者在短时间内得到更有针对性的问题，提升患者体验，减轻患者负担，提高患者的依从性。

不过，研究也存在一些局限性。大部分领域分数是基于 QLQ - C30 项目估计的，这可能导致分数精度低于使用完整项目库的情况，进而影响预测能力。此外，研究仅在 EORTC CAT Core 系统内进行，该方法在其他 CAT 系统中的表现还有待进一步研究。尽管如此，这项研究作为一个重要的概念验证，展示了如何利用预测模型实现起始项目选择的个性化，为未来在其他 CAT 系统中的研究奠定了基础，具有重要的参考价值。